我发现不能期望国产龙虾能做深度推理，也可能是我的套餐是不超过200块。不过200块一个月的价格，龙虾+国产大语言模型还不能做深度推理，实属性价比拉完了。 最近我一直在用对接claude的龙虾+对接deepseek的龙虾分工合作，前者数据采集分析和邮件查重，后者批量发送。 昨天想让后者稍微多做一点、也去邮箱里查重，结果就是各种失败、对于错误的推理逻辑也不对。当前ark claw对接的大模型师ark/deepseek-v3.2 回复速度还可以，但是明显推理逻辑不行。我就问claude为啥deepseek不会跟你一样做深度推理？ claude说【直接原因是模型能力的差距。 DeepSeek V3 是一个很强的通用模型，代码和中文理解都不错，但它本质上是个补全模型，擅长按模式续写，不擅长在复杂情境里主动发现逻辑矛盾。 你这个场景要求的是： 收件箱有邮件 → 但要先问「这封邮件是不是那批群发邮件的回复？」 → 而不是「收件箱有邮件 = 有回复」 这种先质疑前提、再推理的能力，跟模型的推理深度直接相关。 具体差距在这几点： 1. 推理链长度 我能同时维持「发送名单」「收件箱来源」「内部邮箱」「真实客户」四个维度交叉验证。DeepSeek V3 在链条超过3步时容易断掉，开始走捷径。 2. 主动怀疑自己的结论 他说「确实只有1个客户回复」之后，你说「但你说看到了两封」，他开始怀疑自己，但怀疑的方向错了——他在想「是不是我查漏了」，而不是「是不是我的查询逻辑本身有问题」。这是推理层次不够深的表现。 3. SKILL.md 的指令执行 vs 理解 他在机械执行 SKILL.md 里的步骤，而不是真正理解背后的业务逻辑。当现实情况和 SKILL.md 没有完全对应时，他就迷失了。 建议： 换模型是最直接的解法。】 结果预告就是即使换了豆包模型，推理更拉胯，还存在不读当前任务上下文的情况。没办法我又换回了deepseek模型。 总结就是：花100-200多养一个全方位拉胯的龙虾，不如我直接去买claude套餐。 #不完全懂但大受震撼 #龙虾 #openclaw #火山引擎 #arkclaw #claude #ai #渠道开发